特别是如果这样的节点处于问题的最优解路径上时，则一定会被多次扩展。解决的方法一是对h函数的定义给出限制，使得h满足单调性。对于满足单调性条件的h,则一定不会出现重复扩展节点问但该算法的主要问题是：局部最大，即某个节点会比周围任何一个邻居都高，但只是局部最优解，并非全局最优解。如下图，在处于当前解时，爬山法搜索到局部最优解后，就会停止搜索，因为在局
缺点：1、KNN算法是懒散学习方法(lazy learning,基本上不学习),比一些积极学习的算法要快很多。2、类别评分不是规格化的(不像概率评分)。3、输出的可解释性不盲目搜索算法风之影设计师盲目搜索方法又叫非启发式搜索，是一种无信息搜索，一般只适用于求解比较简单的问题，盲目搜索通常是按预定的搜索策略进行搜索，而不会考虑到问题本身的特
这次讲讲盲目搜索算法，分两个，分别是深度优先搜索(DFS)和广度优先搜索(BFS)。其实还有迭代加深(DFS-ID)的深度优先搜索，不过好像书这里没讲。这几种算法都是不适用领域知识的不知可以用BGD、SGD、MBGD、momentum,RMSprop,Adam等方法来避免陷入局部最优。1.梯度下降法原理梯度下降法又称最速下降法，是求解无约束最优化问题的一种最常用的方
二、启发式搜索算法1.贪婪最佳优先在Dijkstra 算法中，我已经发现了其最终要的缺陷，搜索存在盲目性。在这里，我们只针对这个痛点，采用贪婪最佳优先搜索来解决。如何解决？我7、明确项目的优缺点，如果重新设计你会如何设计。8、明确项目的亮点。这个项目有什么亮点？ 9、明确技术成长。你通过这个项目有哪些技术成长？ Java基础1、List 和Set 的区别
优点：实现简单，计算简单；缺点：不能拟合非线性数据。4.最近邻算法优点：1)对数据没有假设，准确度高；2)可用于非线性分类；3)训练时间复杂度为O(n); 4)理论成熟，思想简单，既可以用相比盲目搜索算法，启发式搜索算法具有更高的效率和准确性，但会涉及到问题领域的先验信息和评估函数设计等问题，因此也存在一些缺点和局限性，例如易受局部最优解
